如何使用 Scikit-learn 计算随机森林的 AUC 并避免差异

本文旨在解释在使用 Scikit-learn 计算随机森林的 AUC 时，为何使用不同的函数可能会得到不同的结果，并提供正确的计算方法。核心在于理解 predict_proba 方法在 AUC 计算中的作用。

在 Scikit-learn 中，计算随机森林模型的 AUC 时，经常会遇到使用 RocCurveDisplay.from_estimator 和 roc_auc_score 函数得到不同结果的情况。这种差异并非偶然，而是源于函数内部计算方式的不同以及对模型输出的不同处理。

原因分析：predict vs. predict_proba

关键在于理解 predict 和 predict_proba 这两个方法之间的区别。

• predict(X): 该方法直接返回样本的类别标签，即模型预测的最终结果。对于二分类问题，它会根据一个默认的阈值（通常是0.5）将概率值转换为类别标签。

• predict_proba(X): 该方法返回的是样本属于每个类别的概率。对于二分类问题，它会返回一个二维数组，其中每一行代表一个样本，第一列是属于类别 0 的概率，第二列是属于类别 1 的概率。

  

  算家云

  高效、便捷的人工智能算力服务平台

  37

  查看详情

RocCurveDisplay.from_estimator 函数默认使用模型的 predict_proba 方法来计算 ROC 曲线，而直接使用 rfc.predict(X_test) 得到的是预测的类别标签，这会导致 roc_auc_score 函数计算出的 AUC 值偏低。这是因为 AUC 的计算依赖于模型输出的概率值，而不是硬性的类别标签。

正确的 AUC 计算方法

要获得准确的 AUC 值，应该使用 predict_proba 方法，并选择属于正类的概率值。以下是正确的代码示例：

from sklearn.datasets import load_wine
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import roc_auc_score
from sklearn.model_selection import train_test_split

# 加载数据集
X, y = load_wine(return_X_y=True)
y = y == 2

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

# 创建并训练随机森林模型
rfc = RandomForestClassifier(n_estimators=10, random_state=42)
rfc.fit(X_train, y_train)

# 使用 predict_proba 计算 AUC
auc = roc_auc_score(y_test, rfc.predict_proba(X_test)[:, 1])
print(auc)

在这个例子中，rfc.predict_proba(X_test)[:, 1] 返回的是测试集中每个样本属于类别 1 的概率，这些概率值被用于 roc_auc_score 函数计算 AUC，从而得到更准确的结果。

总结与注意事项

• 在计算分类模型的 AUC 时，务必使用 predict_proba 方法获取概率值，而不是直接使用 predict 方法获取类别标签。
• 理解 predict 和 predict_proba 的区别对于正确评估模型性能至关重要。
• RocCurveDisplay.from_estimator 默认使用 predict_proba，因此通常能给出更准确的 AUC 结果。
• 如果需要手动计算 AUC，请确保使用 predict_proba 的输出，并选择属于正类的概率值。
• 不同的AUC计算方法可能导致结果差异，选择合适的方法并理解其原理至关重要。

以上就是如何使用 Scikit-learn 计算随机森林的 AUC 并避免差异的详细内容，更多请关注php中文网其它相关文章！